摘要 — 脉冲神经网络 (SNN) 凭借其潜在的节能、低延迟和持续学习能力,处于神经形态计算的前沿。虽然这些功能非常适合机器人任务,但迄今为止,SNN 在该领域的应用有限。这项工作引入了一种用于视觉位置识别 (VPR) 的 SNN,它既可以在几分钟内训练,又可以在几毫秒内查询,非常适合部署在计算受限的机器人系统上。我们提出的系统 VPRTempo 使用抽象的 SNN 克服了训练和推理时间缓慢的问题,该 SNN 以生物现实性换取效率。VPRTempo 采用时间代码,根据像素的强度确定单个脉冲的时间,而之前的 SNN 则依赖于确定脉冲数量的速率编码;将脉冲效率提高了 100% 以上。 VPRTempo 使用脉冲时间依赖性可塑性和监督增量学习规则进行训练,强制每个输出脉冲神经元只对一个位置做出反应。我们在 Nordland 和 Oxford RobotCar 基准定位数据集上评估了我们的系统,这些数据集包含多达 27,000 个位置。我们发现 VPRTempo 的准确性与之前的 SNN 和流行的 NetVLAD 位置识别算法相当,同时速度快几个数量级,适合实时部署 - CPU 上的推理速度超过 50 Hz。VPRTempo 可以作为在线 SLAM 的环路闭合组件集成到资源受限的系统(例如太空和水下机器人)上。
PlexBright LD-1 单通道 LED 驱动器是一种经济实惠的解决方案,用于控制一个 LED(或两个具有相同输出模式的 LED)。该设备配备手动拨盘和 LCD 显示屏,用于设置光输出强度,并可以接受编码脉冲输出模式的数字 (TTL) 输入信号。LD-1 LED 驱动器还接受编码任意输出模式的 0-5V 模拟输入信号。LD-1 单通道 LED 驱动器可以作为独立设备运行,向 LED 模块提供恒定的控制信号。但需要注意的是,此驱动器不会生成脉冲或任意模式。相反,它从单独的设备(以 TTL 或模拟信号的形式)接收这些模式作为输入,并生成驱动 LED 模块所需的相应输出。请参阅下表了解更多详细信息和技术规格。